CN112199600B 目标对象识别方法和装置 (腾讯科技(深圳)有限公司)_第1页
CN112199600B 目标对象识别方法和装置 (腾讯科技(深圳)有限公司)_第2页
CN112199600B 目标对象识别方法和装置 (腾讯科技(深圳)有限公司)_第3页
CN112199600B 目标对象识别方法和装置 (腾讯科技(深圳)有限公司)_第4页
CN112199600B 目标对象识别方法和装置 (腾讯科技(深圳)有限公司)_第5页
已阅读5页,还剩43页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

最近转移数量控制下一跳节点的节点类型以便2获取基于不同类型的多个对象构建的网络图,其中所述网络图包确定游走参数,所述游走参数包括转移参数、最近转移数量、在所述网络图中基于所述游走参数、网络图中的边的权重进行根据网络图中的节点的嵌入向量,从网络图中确定与节点中的种子节将所述目标节点对应的对象识别为针对种子节点对应的对象的其中,所述在所述网络图中基于所述游走参数、网络从网络图中选择游走的起始节点并将其作为当前节点添加到游走节点序基于所述游走参数中的元路径以及最近转移数量确定当前节点的下一跳节点的候选根据下一跳节点的候选节点类型的集合以及网络图中当前节点与邻居节点间的边的权重从当前节点的邻居节点中采样下一跳候选节点确定为当前节点的下一跳节点以添加到游走节点序列中并将其在所述节点类型的第一集合为空集时,则将网络图中节点的节在所述节点类型的第一集合不为空集时,则将所述节点类型3网络图中当前节点与邻居节点间的边的权重从当前节点的邻居节点中采样下一跳候选节确定下一跳节点的有效节点类型集合,所述有效节点类型集合节点的节点类型中以及下一跳节点的候选节点类型的集合中同时存相应节点类型对应的权重包括邻居节点中具有所述相应节点类型的节点与当前节点间的从具有所述选择的节点类型的邻居节点中采样下一跳括具有所述选择的节点类型的邻居节点与当前节点间的边的响应于下一跳候选节点不是游走节点序列中确定第一接受系数、第二接受系数以及第三接受系数之间的响应于确定下一跳候选节点是当前节点的前一节点且所述随机数小于所述第一接受响应于确定下一跳候选节点是与当前节点的4标识符识别所述节点的编号和所述节点的节点类型象的节点间的关联度是基于所述用户类型的对象对应的用户对所述内容类型的对象对应序列获取模块,被配置成在所述网络图中基于所述游走参行随机游走以得到游走节点序列;嵌入向量确定模块,被配置成基于所述游走节点序列确定网络图中的节点的嵌入向从网络图中选择游走的起始节点并将其作为当前节点添加到游走节点序基于所述游走参数中的元路径以及最近转移数量确定当前节点的下一跳节点的候选根据下一跳节点的候选节点类型的集合以及网络图中当前节点与邻居节点间的边的权重从当前节点的邻居节点中采样下一跳候选节点确定为当前节点的下一跳节点以添加到游走节点序列中并将其5处理器,其被配置成当所述计算机可执行指令被处理器执行时执行如权利要67定网络图中节点的节点类型中最近游走到的所述最近转移数量个节点的节点类型之外的点类型总权重包括邻居节点中具有有效节点类型集合中各节点类型的节点与当前节点间[0009]在一些实施例中,从具有所述选择的节点类型的邻居节点中采样下一跳候选节下一跳候选节点的采样概率正相关于下一跳候选节点对应的权重与邻居节点总权重之比,重包括具有所述选择的节点类型的邻居节点与当前节点间的8述用户类型的对象对应的用户对所述内容类型的对象对应的内容的关注置成将所述目标节点对应的对象识别为针对种子节点对应的对象的目数在网络图中获取游走节点序列,更准确地捕获到了节点在图中的隐藏信息(也称为上下9络图中的边的权重进行随机游走以得到游走节点序列的方法[0026]图5图示了根据本公开的一个实施例确定网络图中的节点的邻居节点的信息的示[0027]图6图示了根据本公开的一个实施例的一种采样下一跳候选节点的方法的示例性[0028]图7图示了根据本公开的实施例的第一接受系数、第二接受系数以及第三接受系[0030]图9图示了一个示例系统,其包括代表可以实现本文描述的各种技术的一个或多[0038]本申请实施例提供的技术方案涉及人工智能和机器学习等技术。人工智能[0040]图1图示了根据本公开的实施例的技术方案可以实施在其中的示例性应用场景[0041]作为示例,所述服务器110可以收集各终端上的用户对各种类型的内容的观看历[0042]服务器110可以进一步确定游走参数,所述游走参数包括转移参数、最近转移数[0043]基于此,服务器110根据网络图中的节点的嵌入向量从网络图中确定与节点中的[0045]应当指出,上面描述的场景仅仅是本公开的实施例可以被实施在其中的一个示[0046]图2图示了根据本公开的一个实施例的一种目标对象识别方法200的示意性流程多个对象对应的多个节点以及在节点间进行连接的边,节点的节点类型对应于对象的类[0048]所述不同类型的多个对象可以包括但不限于用户类型的对象以及内容类型的对对象的节点间的关联度可以是基于所述用户类型的对象对应的用户对所述内容类型的对前节点的下一跳节点的节点类型使得其与最近游走到的N个节点的节点类型不同。作为示照图4将进一步描述了在所述网络图中基于所述游走参数、网络图中的边的权重进行随机入向量的方法。相似的词应具有相似的嵌入向量。Word2vec使用只有一个隐藏层的skip-[0057]在步骤260,将所述目标节点对应的对象识别为针对种子节点对应的对象的目标点对应对象具有较高的关联度,例如目标对象是种子节点对应的对象感兴趣或关注的对[0058]在本公开的实施例中描述的目标对象识别方法200中,通过利用不同类型的多个走参数在网络图中获取游走节点序列,更准确地捕获到了节点在图中的隐藏信息(称为上大量的计算开销。[0059]图4图示了根据本公开的一个实施例在图2中所述的网络图中基于所述游走参数、网络图中的边的权重进行随机游走以得到游走节点序列的方法400的示意性流程图。所述[0060]在步骤410,从网络图中选择随机游走的起始节点并将其作为当前节点添加到游[0062]在步骤430,基于所述游走参数中的元路径以及最近转移数量确定当前节点的下一跳节点的候选节点类型的集合。元路径定义了随机游走时将依次经过的节点的节点类点的节点类型中最近游走到的所述最近转移数量个节点的节点类型之外的节点类型构成全集确定为下一跳节点的候选节点类型的集合;而如果所述节点类型的第一集合不为空点的候选节点类型的集合T确定为包括所述元路径中的对应节点类型。例如当前节点的元节点的节点类型之外的节点类型构成的第一集合(A\H),并且如果所述节点类型的第一集合为空集,则可以确定下一跳节点的候选节点类型的集合T为网络图中节点的所有节点类[0065]在步骤440,根据下一跳节点的候选节点类型的集合以及网络图中当前节点与邻[0066]在步骤450,确定下一跳候选节点是否为游走节点序列中的第二个节点的候选节下一跳候选节点确定为当前节点的下一跳节点以添加到游走节点序列中并将其作为当前[0067]如果在步骤450确定下一跳候选节点不是游走节点序列中的第二个节点的候选节第三接受系数用于控制从当前节点游走到与邻居节点中与当前节点的前一节点相邻的节返回参数p和出入参数q的值来确定所述第一接受系数和第二[0072]当在步骤470确定下一跳候选节点是可接受的下一跳候选节点时,转到在步骤部分和数组C如图所示,其中Ej表示节点的邻居节点集合中第j个节点对应高效,通过设置不同的游走参数可以使用不同的随机游走策略以适应于不同的应用场景。[0076]图6图示了根据本公开的一个实施例的一种采样下一跳候选节点的方法600的示当前节点的邻居节点的节点类型中以及下一跳节点的候选节点类型的集合中同时存在的节点类型。以按照节点类型对节点的邻居节点进行排序并构建了如图5所示的邻居节点部中相应节点类型的选择概率正相关于所述相应节点类型对应的权重与有效节点类型总权总权重之比,下一跳候选节点对应的权重包括下一跳候选节点与当前节点间的边的权重,邻居节点总权重包括具有所述选择的节点类型的邻居节点与当前节点间的边的权重之和。[0083]图8示出了根据本公开的一个实施例的目标对象识别装置800的示例性结构框[0084]所述网络图获取模块810被配置成获取基于不同类型的多个对象构建的网络图。[0086]所述序列获取模块830被配置成在所述网络图中基于所述游走参数、网络图中的图的多条游走节点序列,使得所述多条游走节点序列包括或者覆盖网络图中的所有节点。[0087]所述嵌入向量确定模块840被配置成基于所述游走节点序列确定网络图中的节点模型来处理所述游走节点序列以确定网络图中的节点[0088]所述目标节点确定模块850被配置成根据网络图中的节点的嵌入向量,从网络图目标节点确定模块850可以被配置成根据网络图中的节点的嵌入向量,从网络图中确定与节点中的种子节点的相似度大于相似度阈值且具有预定节点类[0089]所述目标对象识别模块860可以被配置成将所述目标节点对应的对象识别为针对总线、和/或利用各种总线架构中的任何一种的处理器或局部总线。还构思了各种其他示成电路或使用一个或多个半导体形成的其它逻辑器件。硬件元件914不受其形成的材料或[0093]计算机可读介质912被图示为包括存储器/存储装置915。存储器/存储装置915表示与一个或多个计算机可读介质相关联的存储器/存储容量。存储器/存储装置915可以包[0094]一个或多个I/O接口913代表允许用户使用各种输入设备向计算设备910输入命令和信息并且可选地还允许使用各种输出设备将信息呈现给用户和/或其他组件或设备的功用可见或不可见的波长(诸如红外频率)将不涉及触摸的运动检测为手势)等等。输出设备[0097]所描述的模块和技术的实现可以存储在某种形式的计算机可读介质上或者跨某种形式的计算机可读介质传输。计算机可读介质可以包括可由计算设备910访问的各种介据)的方法或技术实现的存储设备之类的硬件。计算机可读存储介质的示例可以包括但不可编程器件逻辑和/或固定器件逻辑,其在一些实施例中可以用于实现本文描述的技术的门阵列(FPGA)、复杂可编程逻辑器件(CPLD)以及硅中的其它实现或其他硬件设备的组件。或程序模块和其它程序模块实现为在某种形式的计算机可读存储介质上和/或由一个或多个硬件元件914体现的一个或多个指令和/或逻辑。计算设备910可以被配置为实现与软件存储介质和/或硬件元件914,可以至少部分地以硬件来实现将模块实现为可由计算设备[0103]本文描述的技术可以由计算设备910的这些各种配置来支持,并且不限于本文所务器)和软件资源的底层功能。资源924可以包括在远离计算设备910的服务器上执行计算机处理时可以使用的应用和/或数据。资源924还可以包括通过因特网和/或通过诸如蜂窝[0105]平台922可以抽象资源和功能以将计算设备910与其他计算设备连接。平台922还可以用于抽象资源的分级以提供遇到的对于经由平台922实现的资源924的需求的相应水中不暗示特征的组合不是可行的和/或有利的。特征

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论